Luiz Maibashi Economista · construo e meço sistemas de IA

Sei onde a máquina para. E onde eu entro.

Este site mostra o processo, não só o resultado. Nenhuma resposta da máquina entra numa decisão sem passar por três checagens.

8 projetos · 7 etapas · atualizado 09/2026

resposta da IA Medição onde ela erra Régua ela bate a regra simples? Rastro quem revisou o quê decisão
01

Como começou meu interesse por IA

1 2 3 4
MOMENTO 1 / 4

O gatilho e a crise

Em março de 2026 eu não sabia quase nada de IA, software e sistemas. Não que hoje eu seja expert, mas desde então venho estudando e tentando aplicar isso no meu dia a dia e evoluir. Essa vontade surgiu em meio a um momento de estagnação profissional e de vida, onde busquei MBAs na área de dados e esbarrei na Pós-Tech da FIAP. Após a aula inaugural e o teste de nivelamento, senti uma grande frustração, um desespero e medo de não ser capaz de seguir aquela direção. Cheguei a mandar e-mail pra coordenação pedindo pra trocar de trilha. Mandei mensagem pra três professores perguntando se fazia sentido continuar, diante do meu contexto.

Clique nos números para acompanhar a trajetória.

Ver o método que isso virou →

02

O que o método produziu

Sete projetos. Vários terminam num resultado que não era o esperado, publicado com a investigação do porquê.

política pública · decisão Resultado positivo

Painel de priorização municipal de alfabetização

Um secretário de educação tem verba para atender poucos municípios por ano e precisa escolher quais. O painel ordena os municípios do estado pelo risco de furar a meta de alfabetização no ano seguinte, e faz o que quase nenhum modelo faz: quando o dado daquele estado não sustenta a previsão, ele escreve "não sei" na tela em vez de entregar um número inventado.

modelo · 65% regra simples · 45%
ago-set 2026 · demo ao vivo
compliance · macro Resultado positivo

Separar o poupador com medo do câmbio do profissional que fraciona operação

Duas pessoas compram a mesma stablecoin, no mesmo dia, em lotes parecidos. Uma está protegendo a poupança da queda do real. A outra está fatiando uma operação para ficar abaixo do valor que obriga a reportar. Para o sistema antifraude as duas são idênticas, e é por isso que a área de compliance afoga em alarme falso. Este projeto usa o estado da economia como pista para separar uma da outra.

sem contexto macro · 36% com índice de risco fiscal · 45%
mai-set 2026 · demo ao vivo
machine learning · auditoria Auditoria

Auditar um ML que chegou pronto com afirmações que o código não sustentava

Um sistema de priorização de clientes de alta renda chegou pronto e rodando, com relatório e números convincentes. Ao conferir afirmação por afirmação contra o código, várias não se sustentavam. O projeto deixou de ser "melhorar o modelo" e virou a auditoria que separa o que dá para provar do que era história bem contada.

classificador treinado · 0,76 heurística de 10 critérios · 0,78
ago-set 2026
crédito · agente Resultado negativo, investigado

Um agente de crédito que não vê o score

Antes de colocar um agente de IA para opinar sobre crédito, alguém precisa responder se ele acrescenta alguma coisa ou só repete o que o modelo já disse. Aqui o agente escreve o parecer sem enxergar a nota do cliente nem o desfecho do empréstimo. Os dois cortes são de propósito: sem eles, não dá para distinguir raciocínio de repetição.

0 + 1,3
ago-set 2026
tesouraria · risco Resultado positivo

O saldo na carteira não é a liquidez sob estresse

Enquanto a stablecoin está colada no dólar, o saldo na carteira e o dinheiro disponível parecem a mesma coisa. Numa crise de paridade eles deixam de ser, e a diferença aparece justamente no dia em que a empresa precisa do caixa. A calculadora estima quanto de uma reserva sobrevive a esse evento e quanto vira prejuízo, para a tesouraria descobrir o buraco antes e não durante.

valor nominal na carteira · 100 liquidez reconhecida sob estresse · 96
jul-set 2026 · demo ao vivo
engenharia de dados · educação Resultado positivo

Pipeline que transforma o buraco de alfabetização em custo de investimento

Saber que um município está mal em alfabetização não diz quanto custa consertar, e é o custo que permite comparar dois municípios na hora de dividir orçamento. A esteira pega o dado bruto do governo e devolve, para cada município, uma estimativa em reais do investimento necessário para fechar o buraco.

metas disponíveis · 44% após o preenchimento · 100%
jul 2026
busca semântica · medição Em andamento

Medir o que de fato melhora uma busca por significado

Toda mudança numa busca por significado parece melhorar alguma coisa quando você testa em três perguntas escolhidas a dedo. Este é o banco de provas que responde, com número e margem de erro, se a mudança melhorou de verdade ou se o ganho é menor que a incerteza da própria medição.

0 + 4,3
set 2026, em andamento
CX · e-commerce · classificação Auditoria

Descobrir quem vira detrator antes da nota do NPS chegar

Um e-commerce só descobre que um cliente virou detrator quando a pesquisa de satisfação chega, depois que o dano já foi feito. O projeto tenta prever isso antes, a partir de dados operacionais do próprio pedido. Mas prever quem vai virar detrator não prova que a ação de recuperação (cupom, atendimento prioritário) funciona: são duas perguntas diferentes, e a segunda é a que decide se o ROI prometido existe de verdade.

antes da recalibração · ECE 0,10 depois da recalibração · ECE 0,01
abr-set 2026 · demo ao vivo

Ver todos os projetos →

03

Pergunte à base

Uma busca sobre os conceitos e o método por trás destes projetos. Os resultados vêm das notas de verdade, com link para a fonte — não é um modelo generativo, é recuperação de texto: nunca inventa uma resposta que não esteja escrita aqui.